MENU

| AR

Sedes

Cursos

UdeSa

Programas Ejecutivos

Programas Ejecutivos

Paises

Cómo distinguir imágenes con la ayuda de la Ciencia de Datos

Cómo distinguir imágenes con la ayuda de la Ciencia de Datos
#Tecnología
#Otros
1 de ago - min de lectura


Data Science 3- Digital HouseConcluyó el programa de Data Science impartido durante el primer semestre del año en Digital House y, como es habitual, los alumnos presentaron sus proyectos integradores. En este sentido, Amanda Delgado Rocke y Florencia Kabas trabajaron en el desarrollo de un sistema para el análisis de imágenes. Básicamente, apelaron al machine learning, esto es, crear un sistema que aprenda automáticamente para que detecte y clasifique imágenes con nieve, de aquellas no nevadas. “Corroborar el tipo de foto en base a datos binarios. De esta manera, teníamos dos tipos de clasificaciones: imágenes nevadas e imágenes sin nieve con el objetivo de identificar paisajes del primer tipo. Para eso, el desafío inicial fue trabajar con fotos disponibles en internet y convertirlas en datos”, explicaron las estudiantes.   A tal fin utilizaron el motor de búsqueda Bing, de Microsoft, para realizar el scrapeo, es decir, enfocarse en una búsqueda determinada para recolectar datos no estructurados. “Consideramos que para esta labor Bing es mejor que Google porque es más flexible. Además, apelamos al uso de imágenes disponibles sin costo. Así es como obtuvimos un DataSet con 1450 imágenes etiquetas”, ilustraron. El DataSet es una representación de datos residente en memoria que proporciona una modelo de programación relacional coherente independientemente del origen de datos que contiene. Data Science- Digital House Como las imágenes eran de distintos formatos decidieron convertirlas a RGB, y luego le asignaron un código a cada tipo de color. De esta manera obtuvieron miles de columnas según la cantidad de colores de las imágenes. Para simplificar el trabajo apelaron a la variable de saturación, esto es, el colorido de una imagen. Así es como un color muy saturado tiene un color intenso, mientras que un color menos saturado parece más descolorido y gris; y sin saturación, un color se convierte en un tono grisáceo. Con posterioridad, redimensionaron las imágenes para que todas tengan el tamaño y orientación para poder compararlas. Como resultado, pudieron disminuir los cientos de columnas del DataSet a solo 512.   Métodos Con ese DataSet utilizaron dos métodos para proseguir con el trabajo: vecinos cercanos y árboles de decisión. El primero detecta imágenes nevadas en función de las imágenes cercanas, por eso es un método por comparación. En tanto, en el segundo, es un algoritmo el que busca variables que le provean de información y así toma decisiones para agrupar solo a las imágenes nevadas. “Con esta metodología obtuvimos un nivel de acierto del 70%, por eso pensamos en otra alternativa para elevar el porcentaje, que fue optimizado al 82% a través de grid search y random forest que lograron elevar el rendimiento de nuestro algoritmo”, detallaron. Grid search hace búsquedas de parámetros y valores que entran en el modelo y los prueba para decidir al mejor combinación posible, mientras que random forest toma un modelo, lo repite muchas veces y lo compara, en este caso con muchas otras imágenes para definir. Data Science2- Digital House Data Science 2- Digital House Para concluir, las alumnas expresaron al resto de los alumnos que luego presentaron otros 10 proyectos: “Con esta realización de este proyecto nos dimos cuenta que queremos seguir avanzando en el campo del procesamiento de imágenes en base al análisis de datos no estructurados”.

Otras Noticias

3 lecciones sobre cómo las transformaciones tecnológicas pueden generar valor en las empresas img
#Tecnología

3 lecciones sobre cómo las transformaciones tecnológicas pueden generar valor en las empresas

La crisis de COVID-19 dejó en claro el imperativo empresarial de realizar transformaciones tecnológicas. En tal sentido, una encuesta reciente de la consultora McKinsey sugiere que incluso en los primeros días de la crisis, los encuestados informaban sobre el progreso en su integración de tecnología y negocios, y que estos esfuerzos crearon valor comercial tangible en cuatro medidas, incluidos nuevos ingresos y disminución en los costos.  En concreto, el estudio sobre tecnología y negocios de la consultora sobre la aceleración digital que experimentaron las organizaciones en el contexto de la pandemia les permitió detectar algunos hallazgos.Lección n° 1: invertir en tecnología crea un valor comercial significativoSegún los encuestados, más del 75% de las iniciativas emprendidas por las empresas en las que trabajan han alcanzado importantes reducciones de costos y mejoras en la experiencia de los trabajadores. En más del 50% de los casos, las inversiones en tecnología dieron origen al lanzamiento de nuevos productos o más unidades de negocio.  Lección n° 2: centrarse en las personas genera el mayor valorLos encuestados manifiestan que los cambios en las estrategias de personal y talento de sus empresas se encuentran entre los movimientos que han aportado mayor valor. En tal sentido, se destaca el enfoque sobre la capacidad tecnológica, es decir, las prácticas cambiantes para atraer, retener y mejorar el talento con habilidades digitales.Lección n° 3: el talento sigue siendo clave en el marco de las transformaciones tecnológicas Las transformaciones centradas en la estrategia de talento no sólo se destacan por su valor potencial, sino que también son mucho más comunes en las empresas de alto rendimiento. Evidentemente, la necesidad de abordar el talento es universal y urgente. Los encuestados creen que más del 40% de su fuerza laboral necesitará ser reemplazado o reentrenado fundamentalmente para compensar las brechas de habilidades de sus organizaciones.En las empresas que han perseguido transformaciones recientes, los principales desafíos para hacerlo continúan girando en torno al talento y la cultura: a saber las brechas de habilidades y las diferencias culturales, la dificultad de cambiar culturas así como las formas de trabajar y la dificultad para encontrar talento para ocupar nuevos roles. En resumen, el talento también parece obstaculizar el progreso en las empresas que no han perseguido transformaciones tecnológicas.  Como se ve, las organizaciones de todas las industrias tienen muchos desafíos por delante para extraer el máximo valor posible a sus transformaciones digitales. Para acceder al informe completo donde se detallan estos hallazgos en profundidad, así como otras lecciones, sólo hay que hacer clic acá. Y para avanzar en el proceso de cerrar la brecha de habilidades digitales que la organización necesita para crecer y adaptarse con éxito al contexto actual, puede comunicarse con el departamento de Corporate Training en Digital House haciendo clic acá. 

Aprender programación web full stack fue la gran apuesta en 2020 img
#Otros

Aprender programación web full stack fue la gran apuesta en 2020

La programación web full stack fue una las principales opciones para las personas que buscan mejorar sus oportunidades de empleo, según una nueva investigación de Red Hat. En tal sentido, casi uno de cada 20 adultos tomó un curso para aprender a escribir código durante 2020.Un estudio europeo en base a 31.100 adultos encontró que poco más de la mitad (51%) de los encuestados había adquirido una nueva habilidad desde el comienzo de la pandemia COVID-19, siendo la programación web full stack la opción más popular para mejorar las perspectivas profesionales.Cuando se les preguntó acerca de sus motivaciones para mejorar sus habilidades, casi uno de cada tres (30%) informó razones relacionadas con el empleo: ya sea para comenzar una nueva carrera, aprender una nueva destreza para un trabajo futuro o estabilidad y seguridad laboral.Los resultados también sugirieron que una gran proporción de los que estaban aprendiendo a programar esperaban ingresar a lo digital desde otra industria: de los que comenzaron a programar, el 79% no había trabajado anteriormente en tecnología y el 71% no tenía un título de una carrera relacionada.  El sector tecnológico es uno de los pocos donde el empleo parece no haberse visto afectado por el COVID-19. A medida que la pandemia obligó a las personas a trabajar y aprender desde casa, se disparó el interés por formarse en programar a través de un curso a distancia, corto y basado en la práctica. De hecho, en América Latina sucedió lo mismo ya que hay una altísima demanda por parte de personas de Latinoamérica por hacer el curso de programación web full stack de Digital House.    

Marketing digital y Data Analytics, un tándem necesario img
#Marketing
#Datos

Marketing digital y Data Analytics, un tándem necesario

Si antes el marketing consistía en bombardear con mensajes a todo el mundo, ahora el marketing digital es lo opuesto. El objetivo es personalizar al máximo el mensaje comercial con estrategias únicas en busca de generar empatía con el consumidor y, por ende, una respuesta favorable por parte de él.  Así las cosas, la tendencia en marketing digital indica que vamos hacia un modelo ultrapersonalizado, en donde lo que manda es no ser demasiado intrusivos para que el usuario no se sienta invadido por las marcas.  Para eso, las organizaciones analizan al cliente y lo ponen en el centro de su negocio. Luego le ofrecen comunicación omnicanal para que éste pueda comunicarse con la marca a través de cualquier canal, sin fisuras. Por último, es clave la capilaridad para saber en qué nivel de profundidad abordar al cliente.  Para todo esto los datos son clave. Contar con expertos en Data Analytics permite medir mejor presupuestos y competitividad, es decir, construir un discurso coherente de marca alrededor del cliente, y tomar decisiones sobre las campañas en tiempo real. En resumen, los especialistas en marketing digital y los de Data Analytics forman un equipo imbatible cuando se trata de que una marca implemente estrategias cada vez más personalizadas y promociones que aseguren una respuesta perfecta por parte del mercado.